Het schrijven van een hypothese voor je test is buitengewoon bepalend. Het gehele proces van a/b testen staat of valt met het opstellen van een hypothese. De hypothese is namelijk de kern van het proces en beïnvloedt de kansen op een significant resultaat. Nog geen significante resultaten gezien? Misschien is het schrijven van een hypothese je niet goed afgegaan. Meer weten over hoe je een juiste hypothese schrijft voor je a/b test? Lees snel verder…

Houd in gedachten dat de meeste van de hypotheses komen van je eigen data. Bronnen die hierbij kunnen helpen met het zoeken naar de juiste data zijn Analytics tools, een scroll heatmap, een competitieve analyse, NPS (customer survey), session recording, call center feedback, etc. Deze tools en bronnen komen ook goed overeen met het LIFT model.

Gebruik een model om conversiepagina's te analyseren en testhypotheses te ontwikkelen

Er zijn veel modellen die kunnen worden gebruikt voor het analyseren van conversiepagina’s en voor het ontwikkelen van testhypotheses. Het bekendste model is het LIFT model, die je hieronder kan vinden.

Het LIFT model is gebaseerd op de waardepropositie (= value proposition) van een test. Deze methode zal helpen om goede test ideeën en daarnaast ook een goede hypothese te genereren. Door dit model te gebruiken door de zes factoren in te vullen (value proposition, relevance, clarity, urgency, anxiety and distraction), is het mogelijk dat je de pagina’s kan evalueren die je wilt gaan testen.

Figuur 1; LIFT Model door widerfunnel.com

Wanneer je een model hebt gekozen dat je wilt gebruiken en dat model ook hebt toegepast, is het tijd om de criteria vast te stellen.

Stel criteria en KPI's vast voor je test

Als eerst is het handig om te weten wat de criteria zijn, voordat je een hypothese begint te schrijven. Deze criteria zijn standaard en het zal je helpen door het proces van het schrijven van een hypothese te versnellen. Het is belangrijk om te weten dat er zes standaard criteria zijn: een hypothese moet te testen zijn, het moet falsifieerbaar zijn, specifiek zijn, precies en duidelijk zijn, er moet slechts één aspect betrokken worden en het moet worden geschreven als een statement.

Om een stap verder te gaan: het is ook zeer belangrijk om je KPI’s (Key Performance Indicator) vast te tellen. Toevoegend aan de bovenstaande criteria, moet een hypothese voldoen aan je KPI’s. Het is daarom bepalend om je KPI’s vast te stellen voordat er begonnen wordt met het schrijven van een hypothese voor je test. Het is aanbevolen om te blijven denken over de doelen op de geteste pagina wanneer de test aan lanceren is. Bijvoorbeeld, je moet geen KPI hebben op het aankooppercentage, maar op het abonneren. Zorg ervoor dat je de juiste KPI’s en criteria vaststelt voor je test. Anders is er een mogelijkheid dat je een ongeldige hypothese schrijft.

Stel doelen vast voor je test

Het definiëren van je doelen is een ander bepalend aspect van het maken van een solide analyse van de test. Als dit niet goed wordt gedaan, kan het resulteren in het nemen van een verkeerde beslissing of zelfs in het nemen van geen beslissing. Dus wat je moet doen is denken over: “waarom verander ik dit, wat is de bedoeling ervan?” Dit zal je kostbare tijd en nutteloze tests besparen, zoals het veranderen van een woord aan de onderkant van de pagina op een link waar geen bezoeker op klikt. De side effects van een test zijn ook erg belangrijk. Zoals te zien is in het figuur hieronder, kan een test op meerdere doelen invloed uitoefenen. Bijvoorbeeld een stijging van de bounce rate, een verlaging van de gemiddelde waarde van het winkelmandje of een lagere CTR.

Figuur 2; report van AB Tasty

Net als met elke test of personalisatie campagne: schrijf een hypothese en stel je doelen en KPI’s vast. Wees duidelijk met wat het probleem is en hoe het nieuwe bericht / content gaat helpen om dat probleem op te lossen. Dit zal helpen met het vinden van een oplossing bij het A/B testprobleem.

Hypothese voor A/B testen

Een onderzoekshypothese is een statement die gecreëerd wordt door onderzoekers wanneer ze speculeren over het resultaat van een onderzoek of experiment.

Een programma van A/B testen moet worden samengevoegd met andere informatiebronnen. Conversieproblemen moeten worden geïdentificeerd en het gedrag van de webbezoekers moeten worden begrepen. Dit is een bepalende fase van het analyseproces en moet leiden tot het formuleren van een krachtige hypothese.

Een correct geformuleerde hypothese is de eerste stap van een succesvol programma van A/B testen en moet worden voldaan aan de volgende principes:

  • Het moet worden gerelateerd aan een duidelijk geïdentificeerd probleem met verwachte oorzaken,
  • Het moet een oplossing bieden aan het probleem in kwestie,
  • Het moet het verwachte resultaat specificeren, waar het gelinkt is aan een gemeten KPI.

Bijvoorbeeld, als een geïdentificeerd probleem een hoog percentage is van het verlaten van een registratieformulier, welke verwacht wordt te lang te zijn, dan kan een geldige hypothese zijn: <het verkorten van het formulier door het verwijderen van optionele velden, zoals een telefoonnummer en adres, verhoogt het aantal voltooide registraties.>

Conclusie

De hoofdvraag was: “hoe schrijf je een hypothese voor je A/B test?” Significant aan het schrijven van een hypothese is om het stap voor stap te doen. Als eerst is het belangrijk om de juiste data te vinden voor je hypothese. Vergeet niet dat de meeste hypotheses worden ontstaan door je eigen data. De juiste data kan gevonden door Analytics tools, een scroll heatmap, session recording of NPS, etc. De volgende stap is om het juiste model te kiezen om het probleem te analyseren, zoals het LIFT model dat wordt uitgelegd in de tweede paragraaf. Na het kiezen van het juiste model, is het tijd om de criteria en de KPI’s vast te stellen voor je test. Criteria zijn erg belangrijk omdat ze de standaard worden van elke hypothese vanaf nu. Om te voorkomen dat je een ongeldige hypothese schrijft, is het vitaal om de juiste KPI’s te pakken en vast te stellen. De doelen zijn significant voor het analyseproces. En nogmaals, focus je niet te veel op alleen het hoofddoel van de test, maar betrek ook de side effects van de test erbij. Na al deze stappen kan je de hypothese schrijven voor je A/B test.